Автор: Дарья Колмина
"Питерские заметки", 10.11.2023:
В свете постоянного стремления к этичным методам исследований создана инновационная технология Animal Generative Adversarial Network (AnimalGAN), которая обещает революцию в предсказании клинических патологий, минуя использование животных.
Согласно результатам исследования, опубликованным в журнале Nature Communications, AnimalGAN превосходит традиционные методы в предсказаниях гепатотоксичности. AnimalGAN демонстрирует уникальную способность генерировать клинические данные, сравнимые с результатами реальных исследований на животных.
Используя базу данных Toxicogenomics Project-Genomics Assisted Toxicity Evaluation Systems (TG-GATEs), AnimalGAN прогнозирует результаты виртуальных экспериментов.
Инновационная модель в области вычислительной токсикологии успешно продемонстрировала свои впечатляющие способности. Она способна генерировать 38 показателей клинической патологии, имитируя сложные биологические реакции при различной продолжительности и дозе лечения.
Эта технология прошла тщательное обучение на данных 6442 крыс в 1317 различных сценариях лечения с использованием 110 соединений из базы данных TG-GATEs. После этого AnimalGAN была успешно оценена на новой группе из 1636 крыс.
Результаты исследования выявили впечатляющее соответствие между синтетическими данными, созданными AnimalGAN, и реальными клиническими данными. Низкая погрешность и идеальное совпадение в сходстве шаблонов подчеркнули точность модели.
Модель была также подвергнута тщательной оценке в рамках трех сложных сценариев, охватывающих различные типы лекарств. Важно отметить, что AnimalGAN надежно предсказывала результаты даже для препаратов, значительно отличающихся по химической структуре, терапевтической категории, по сравнению с теми, которые использовались в ее обучении.
AnimalGAN представляет собой значительный шаг вперед в разработке альтернативных методов тестирования, позволяя проводить предсказания токсичности препаратов без привлечения животных. Несмотря на успешные результаты, требуется дополнительное исследование для улучшения точности прогнозов и подтверждения AnimalGAN как надежной альтернативы традиционному тестированию на животных.
Согласно результатам исследования, опубликованным в журнале Nature Communications, AnimalGAN превосходит традиционные методы в предсказаниях гепатотоксичности. AnimalGAN демонстрирует уникальную способность генерировать клинические данные, сравнимые с результатами реальных исследований на животных.
Используя базу данных Toxicogenomics Project-Genomics Assisted Toxicity Evaluation Systems (TG-GATEs), AnimalGAN прогнозирует результаты виртуальных экспериментов.
Инновационная модель в области вычислительной токсикологии успешно продемонстрировала свои впечатляющие способности. Она способна генерировать 38 показателей клинической патологии, имитируя сложные биологические реакции при различной продолжительности и дозе лечения.
Эта технология прошла тщательное обучение на данных 6442 крыс в 1317 различных сценариях лечения с использованием 110 соединений из базы данных TG-GATEs. После этого AnimalGAN была успешно оценена на новой группе из 1636 крыс.
Результаты исследования выявили впечатляющее соответствие между синтетическими данными, созданными AnimalGAN, и реальными клиническими данными. Низкая погрешность и идеальное совпадение в сходстве шаблонов подчеркнули точность модели.
Модель была также подвергнута тщательной оценке в рамках трех сложных сценариев, охватывающих различные типы лекарств. Важно отметить, что AnimalGAN надежно предсказывала результаты даже для препаратов, значительно отличающихся по химической структуре, терапевтической категории, по сравнению с теми, которые использовались в ее обучении.
AnimalGAN представляет собой значительный шаг вперед в разработке альтернативных методов тестирования, позволяя проводить предсказания токсичности препаратов без привлечения животных. Несмотря на успешные результаты, требуется дополнительное исследование для улучшения точности прогнозов и подтверждения AnimalGAN как надежной альтернативы традиционному тестированию на животных.